一种组合重构的电能质量扰动特征提取方法

作者：贺虎成; 王承海^*; 辛钟毓; 魏嘉辉; 王琳珂

来源：电力系统保护与控制, 2023, 51(10): 34-44.

DOI：10.19783/j.cnki.pspc.221473

• 电能质量扰动
• 特征提取
• 经验模态分解
• 神经网络

电力系统中电能质量扰动类型较多、扰动特征表征复杂，特征提取的有效性直接影响识别精度。为了保证特征提取的有效性，通常以牺牲特征向量维度作为代价，但特征向量维度过高会增加识别模型的复杂度和降低识别的速度。基于以上考虑，提出了一种基于能量熵和功率谱熵的组合重构特征提取方法。首先根据电能质量扰动信号特性和改进集合经验模态分解(modified ensemble empirical mode decomposition, MEEMD)对电能质量扰动信号进行处理。其次利用能量熵和功率谱熵对扰动特征进行组合提取，构建高精度、低维度的特征向量。最后通过双层前馈神经网络(double-layer back propagation neural network, DBPNN)对扰动信号进行识别。仿真和实验结果表明，与单一特征提取方法相比，所提出的组合重构特征提取方法的特征向量维度、识别模型复杂度和识别难度降低，准确率较高，且具有一定的抗噪性。

• 单位
  西安科技大学